본 논문은 무형 문화유산(ICH) 데이터를 사용하여 대규모 언어 모델(LLM)을 미세 조정하는 과정에서 발생하는 편향, 잘못된 지식 상속, 치명적인 망각과 같은 문제점을 해결하기 위해 양방향 사고 체인과 보상 메커니즘을 통합한 새로운 훈련 방법을 제안한다. ICH 분야를 위해 특별히 설계된 대규모 언어 모델인 ICH-Qwen을 기반으로, 전향적 추론뿐 아니라 역질문 및 역추론을 활용하여 모델의 잠재적 지식을 활성화하여 생성된 답변의 정확도를 향상시킨다. 훈련 중에는 보상 메커니즘을 도입하여 의사 결정 과정을 최적화하고, 서로 다른 가중치 체계를 사용한 구조적 및 내용적 평가를 통해 모델 출력의 품질을 향상시킨다. 실험 결과, 제안된 방법이 질문 응답 과제에서 정확도, Bleu-4, Rouge-L 점수 측면에서 0-shot, 단계별 추론, 지식 증류, 질문 증강 방법보다 성능이 우수함을 보여주었다. 또한, 다양한 도메인 특정 데이터 세트와 금융, Wikidata, StrategyQA와 같은 분야의 고급 모델에서도 개선된 성능을 보여주어, 다양한 분야의 미래 응용 프로그램에서 모델 훈련에 유용한 접근 방식임을 입증한다.
